[发明专利]一种基于神经网络模型预测控制的磁悬浮偏航电机控制方法

权利要求书

1.一种基于神经网络模型预测控制的磁悬浮偏航电机控制方法，其特征在于，包括：

步骤1，当风向改变需要偏航时，由转子变流器采用PID控制算法控制转子的电流大小，使磁悬浮偏航电机的转子向上悬浮至并保持在悬浮平衡点处实现稳定悬浮；

步骤2，当实现稳定悬浮后，转子变流器改用模糊神经网络模型预测控制策略，控制转子电流，使磁悬浮偏航电机的转子在悬浮平衡点处保持稳定悬浮；

步骤3，由定子变流器采用模糊神经网络模型预测控制策略，控制定子的电流，使磁悬浮偏航电机按转速期望值ω*旋转至对风位置；

步骤4，在偏航的同时，由转子变流器采用模糊神经网络模型预测控制策略，控制转子的电流，使磁悬浮偏航电机的转子在整个偏航过程中保持在悬浮平衡点处。

2.根据权利要求1所述的基于神经网络模型预测控制的磁悬浮偏航电机控制方法，其特征在于，所述步骤2的具体方法是：

21)根据磁悬浮偏航电机的悬浮动态数学模型，对悬浮模糊神经网络模型进行训练；

22)将训练好的悬浮模糊神经网络模型移植入转子变流器的主控芯片，建立基于转子变流器的主控芯片的实际悬浮模糊神经网络模型预测控制系统；

23)将悬浮模糊神经网络模型的响应输出值δm及悬浮气隙期望值δ*输入悬浮非线性优化模块，悬浮非线性优化模块通过使悬浮代价函数最小化确定最优控制输入信号，即最优转子电流i_{r_opt}，将最优转子电流i_{r_opt}和悬浮气隙测量值δ作为悬浮模糊神经网络模型的输入，同时将最优转子电流i_{r_opt}与实际转子电流i_r作差，经PID控制器送入PWM模块，产生转子变流器的驱动信号，从而控制转子电流i_r，使磁悬浮偏航电机的转子在悬浮平衡点处保持稳定悬浮。

3.根据权利要求1所述的基于神经网络模型预测控制的磁悬浮偏航电机控制方法，其特征在于，所述步骤3的具体方法是：

31)根据磁悬浮偏航电机的偏航动态数学模型，对偏航模糊神经网络模型进行训练；

32)将训练好的偏航模糊神经网络模型移植入定子变流器的主控芯片，建立基于定子变流器主控芯片的实际偏航模糊神经网络模型预测控制系统；

33)将偏航模糊神经网络模型的响应输出值及转速期望值ω*输入偏航非线性优化模块，偏航非线性优化模块通过使偏航代价函数最小化确定最优控制输入信号，即最优定子电流的d轴分量i_{sd_opt}和q轴分量i_{sq_opt}，将最优定子电流的d轴分量i_{sd_opt}、q轴分量i_{sq_opt}以及转速测量值ω作为偏航模糊神经网络模型的输入，同时将最优定子电流的d轴分量i_{sd_opt}和q轴分量i_{sq_opt}分别与各自的实际测量值作差后输入带限幅的PI控制器，得到定子电压控制量u_sd*和u_sq*，经dq/αβ坐标变换后得到u_sα*和u_sβ*，经SVPWM模块调制后产生驱动信号，控制定子变流器产生所需的励磁电压和电流，使磁悬浮偏航电机按转速期望值ω*旋转至对风位置。